人工智能体积密度法判断肺亚实性结节的浸润性研究
目的:探讨人工智能(AI)体积密度法判断肺亚实性结节(SSNs)浸润性的价值.方法:回顾性分析106例患者的108枚SSNs的CT和病理结果,将结节分为腺体前驱病变组和腺癌组.通过肺结节AI软件测量并比较两组的最大CT值、最小CT值、平均CT值、峰度、偏度、Perc.25%、Perc.50%、Perc.75%、Perc.95%、结节体积、结节平均径等CT定量参数.使用Medcalc软件得出受试者工作特征曲线(ROC),评价诊断SSNs浸润性的敏感度、特异度、阳性预测值及阴性预测值,用逻辑回归分析评估他们的诊断性能.结果:SSNs的多数CT定量参数差异存在统计学意义,其中,诊断效能最高的是Perc.25%,AUC达0.797;其次为Perc.50%和平均CT值,AUC均为0.787.Logistic回归分析显示,将诊断效能最高的Perc.25%分别与Perc.50%和平均CT值两两建立联合诊断模型1,其中Perc.25%与平均CT值的模型诊断效能最高,且联合诊断模型诊断效能高于Perc.25%与平均CT值单独的诊断效能.Medcalc软件分析显示,Perc.25%≥-578 HU和平均CT值≥-468 HU的SSNs病理表现为腺癌的可能性大.将Perc.25%与结节平均径结合,可获得对判断SSNs浸润性非常有价值的联合诊断模型2.结论:AI体积密度法对SSNs的浸润性有较高的诊断价值,联合使用Perc.25%与平均CT值比单独使用更能准确地判断浸润性.
CT、人工智能、体积密度法、肺亚实性结节
32
R814.42(放射医学)
内蒙古自治区人民医院院内项目2019YN03
2023-04-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
241-248